Unverified70% confidenceFactExact time
LLM 推理在 decode 阶段通常是内存带宽受限而非计算受限，因为逐 token 生成需加载整个模型权重但算术强度极低
2
Sources
70%
Confidence
Long-term
Relevance
9/10/2026
First Seen
Sources
Related Entities
Related Claims
VerifiedLLM 推理分为预填充阶段（Prefill，计算密集型）和解码阶段（Decode，内存带宽密集型）两个阶段80% similarUnverifiedLLM自回归解码阶段受内存带宽瓶颈限制，每生成一个token需完整遍历被激活的模型权重78% similarUnverifiedLLM推理成本主要由预填充（Prefill）阶段处理输入Token和解码（Decode）阶段生成输出Token两部分构成，代码理解场景中预填充占绝大部分开销76% similarUnverifiedLLM自回归解码阶段每生成一个token都需从显存加载全量模型权重，批量较小时形成内存墙76% similarVerified大模型推理阶段是memory-bound（内存带宽受限），每生成一个Token需从显存读取整个模型权重，计算强度极低73% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/890066API
curl https://kongchang.com/api/v1/knowledge/claims/890066MCP
get_claim(id=890066)